Начните с базовой станции, состоящей из универсальной линейной матрицы (ULA) с 16 антеннами и двумя пользователями, имеющими приемник массивы ULA с 8 и 4 антеннами, соответственно. Покажите, что с помощью блока основанное на диагонализации предварительное кодирование и объединение весов достигают пространственного мультиплексирования, где полученный сигнал в каждом пользователе может декодироваться без интерференции от другого пользователя. Задайте два потока данных для каждого пользователя.

Задайте местоположение передатчика в txpos и два пользовательских места приемника в rxpos1 и rxpos2. Элементы массива являются распределенной половиной длины волны независимо.

txpos = (0:15)*0.5;
rxpos1 = (0:7)*0.5;
rxpos2 = (0:3)*0.5;

Создайте массив ячейки матрицы канала с помощью scatteringchanmtx и затем вычислите beamforming веса wp и wc. Каждый канал соответствует пользователю. Примите, что каналы имеют 10 рассеивателей. Каждый канал имеет два подканала, заданные векторным ns.

chanmat = {scatteringchanmtx(txpos,rxpos1,10), ...
    scatteringchanmtx(txpos,rxpos2,10)};
ns = [2 2];
[wp,wc] = blkdiagbfweights(chanmat,ns);

Веса diagonalize матрицы канала для каждого пользователя.

Для канала 1:

disp(wp*chanmat{1}*wc{1})

   8.2269 + 0.0000i  -0.0000 - 0.0000i
   0.0000 + 0.0000i   6.1371 - 0.0000i
  -0.0000 - 0.0000i   0.0000 - 0.0000i
   0.0000 + 0.0000i   0.0000 + 0.0000i

Для канала 2:

disp(wp*chanmat{2}*wc{2})

   0.0000 - 0.0000i   0.0000 - 0.0000i
  -0.0000 + 0.0000i  -0.0000 + 0.0000i
   8.7543 + 0.0000i   0.0000 - 0.0000i
   0.0000 + 0.0000i   4.4372 + 0.0000i

Сначала создайте четыре подканала, чтобы нести потоки данных: два подканала на канал. Каждый поток данных содержит 20 выборок $\pm 1$. Предварительно закодируйте входные потоки и объедините потоки, чтобы произвести восстановленные сигналы.

x = 2*round(rand([20,4])) - 1;
xp = x*wp;
y1 = xp*chanmat{1} + 0.1*randn(20,8);
y2 = xp*chanmat{2} + 0.1*randn(20,4);
y = [y1*wc{1},y2*wc{2}];

Наложите диаграммы стебель-листья входа и восстановленных сигналов показать, что принятый пользователь предупреждает, совпадают с переданными сигналами.

for m = 1:4
    subplot(4,1,m)
    s = stem([x(:,m) 2*((real(y(:,m)) > 0) - 0.5)]);
    s(1).LineWidth = 2;
    s(2).MarkerEdgeColor = 'none';
    s(2).MarkerFaceColor = 'r';
    ylabel('Signal')
    title(sprintf('User %d Stream %d',ceil(m/2),rem(m-1,2) + 1))
    if m==1
        legend('Input','Recovered','Location','best')
    end
end
xlabel('Samples')

Начните с базовой станции, состоящей из универсальной линейной матрицы (ULA) с 16 антеннами и двумя пользователями, имеющими приемник массивы ULA с 8 и 5 антеннами, соответственно. Покажите, как использовать 3D массивы матриц канала, чтобы обработать две поднесущие. Затем матрица канала для первого пользователя принимает форму 2 16 8, и матрица канала для вторых пользователей принимает форму 2 16 5. Также примите, что существует два потока данных для каждого пользователя.

Задайте местоположение передатчика в txpos и два пользовательских места приемника в rxpos1 и rxpos2. Элементы массива являются распределенной половиной длины волны независимо.

nr1 = 8;
nr2 = 5;
txpos = (0:15)*0.5;
rxpos1 = (0:(nr1-1))*0.5;
rxpos2 = (0:(nr2-1))*0.5;

Создайте матрицы канала с помощью scatteringchanmtx и помещенный их в массив ячеек. Чтобы создать второй подканал для каждого приемника, скопируйте каждую матрицу канала. Примите 10 рассеивателей точки в вычислении матрицы канала.

smtmp1 = scatteringchanmtx(txpos,rxpos1,10);
smtmp2 = scatteringchanmtx(txpos,rxpos2,10);
sm1 = zeros(2,16,8);
sm2 = zeros(2,16,5);
sm1(1,:,:) = smtmp1;
sm1(2,:,:) = smtmp1;
sm2(1,:,:) = smtmp2;
sm2(2,:,:) = smtmp2;
chanmat = {sm1,sm2};

Укажите, что существует два потока данных для каждого пользователя.

ns = [2 2];

Задайте переданные степени для каждой поднесущей.

pt = [1.0 1.5];

Вычислите beamforming веса.

[wp,wc] = blkdiagbfweights(chanmat,ns,pt);

Покажите, что каналы являются diagonalized для первой поднесущей.

ksubcr = 1;
wpx = squeeze(wp(ksubcr,:,:));
chanmat1 = squeeze(chanmat{1}(ksubcr,:,:));
chanmat2 = squeeze(chanmat{2}(ksubcr,:,:));
wc1 = squeeze(wc{1}(ksubcr,:,:));
wc2 = squeeze(wc{2}(ksubcr,:,:));
wpx*chanmat1*wc1

ans = 4×2 complex

   8.2104 - 0.0000i  -0.0000 - 0.0000i
   0.0000 + 0.0000i   5.9732 - 0.0000i
   0.0000 - 0.0000i   0.0000 + 0.0000i
  -0.0000 - 0.0000i  -0.0000 - 0.0000i

wpx*chanmat2*wc2

ans = 4×2 complex

   0.0000 - 0.0000i  -0.0000 + 0.0000i
  -0.0000 - 0.0000i  -0.0000 - 0.0000i
   8.8122 + 0.0000i  -0.0000 + 0.0000i
  -0.0000 - 0.0000i   4.8186 - 0.0000i

Распространите сигналы каждому пользователю и затем декодируйте. Сгенерируйте четыре потока случайных данных, содержащих-1's и +1 и имеющих два столбца для каждого пользователя. Каждый поток является подканалом.

x = 2*(round(rand([20 4]))) - 1;

Предварительно закодируйте потоки данных.

xp = x*wpx;
y1 = xp*chanmat1 + 0.1*randn(20,8);
y2 = xp*chanmat2 + 0.1*randn(20,5);

Декодируйте потоки данных.

y = [y1*wc1,y2*wc2];

Наложите диаграммы стебель-листья входа и восстановленных сигналов показать, что принятый пользователь предупреждает, совпадают с переданными сигналами.

for m = 1:4
    subplot(4,1,m)
    s = stem([x(:,m) 2*((real(y(:,m)) > 0) - 0.5)]);
    s(1).LineWidth = 2;
    s(2).MarkerEdgeColor = 'none';
    s(2).MarkerFaceColor = 'r';
    ylabel('Signal')
    title(sprintf('User %d Stream %d',ceil(m/2),rem(m-1,2) + 1))
    if m==1
        legend('Input','Recovered','Location','best')
    end
end
xlabel('Samples')